外文翻译-四足机器人的步态适应

附录GaitAdaptationinaQuadrupedRobotIntroductionAshorttimeafterbirthafoalcanwalkandthenrun.Itisremarkablethattheanimallearnstocoordinatethemanymusclesofthelegsandtrunkinsuchashortperiodoftime.Itisnotlikelythatanylearningalgorithmcouldprogramanervoussystemabinitiowithsofewtrainingepochs.Norisitlikelythatthefoal'slocomotorcontrolleriscompletelydeterminedbeforebirth.Howcanthisa-bilitybeexplained?Howcanthisabilitybeincorporatedintothecontrolsystemofawalkingmachine?Researchersinbiologyhavepresentedclearevidenceofafunctionalunitofthecentralnervoussystem,theCentralPatternGenerator(CPG),whichcancauserhythmicmovementofthetrunkandlimbmuscles(GrillnerandWall'en,1985).Inadultanimals,theoutputofthesecellscangeneratemuscleactivitythatisverysimilartoactivityduringnormalwalking,evenwhensensoryfeedbackhasbeeneliminated(GrillnerandZangger,1975).TheCPGbeginsitsac-tivitybeforebirth,althoughitsactivitydoesnotappeartoimitatethedetailsofaparticularwalkinganimal,itisapparentlycorrelatedwiththeanimal'sclass,i.e.,amphibian,reptile,mammal,etc.(Bekoff,1985;Cohen,1988).Apparently,thebasicstructureoftheCPGnetworkislaiddownbyevolution.Howisthisbasicstructureadaptedtoproducethedetailedcoordinationneededtocontrolawalk-inganimal?Theanswertothisquestionisimportanttoroboticsforthefollowingreason.CPGshavebeenwellstudiedasabasiccoordinatingmechanism(Cohenetal.,1982;BayandHemami,1987;Matsuoka,1987;Randetal.,1988;Tagaetal.,1991;CollinsandStewart,1993;Murray,1993;Zielinska,1996;Jalicsetal.,1997;Itoetal.,1998;Kimuraetal.,1999).However,thedetailsofhowthissystemcanautomaticallyadapttocontrolarealrobotarenotclear.AgoodgoalwouldbetodescribeageneralstrategyformatchingagenericCPGtoaparticularrobotinreal-time,withaminimalamountofinteractionwiththeenvironment.Reinforcementlearninghasbeenappliedonlongtimescalestocertainproblemsinwalking(learningcoordinationandbasiclegmovement)(IlgandBerns,1995),butthetimescalesofsuchanapproachistoolongtoexplainthequicklearningofanimalsjustafterbirth.Theauthorsuggeststhatpartoftheanswermaybeintheuseofanumberofsimpleinnateinternalmodelstoevaluatetheperformanceoftherapidlydevelopingnervoussystem.TheseinnateinternalmodelscouldbeusedtoadaptivelytuneCPGsduringphasesofrapiddevelopment.Figure3illustratesthetrainingconcept.ACPGgeneratesasignaldestinedforagroupofactuators(muscle)aswellasasecondsignal,whichisacopyofthesignalsenttotheactuatorsdestinedforaninnateforwardmodel.Inbiology,acopyofthemotorsignaliscalledanefferencecopy(Sperry,1950).AforwardmodelasdescribedbyKawato(KawatoandWolpert,1998)isafunctionalmodeloftheforwarddynamicsofthesystem.Weuseverysimplified,innateforwardmodels.Theseforwardmodelspredictthesensoryexpectation,orthedesiredconsequenceofCPGactivity.Thisinformationiscompared,andanadaptiverulethenmodifiestheCPG.TheauthorsuggeststhatahandfulofadaptivemechanismsmaybeusedforrapidtuningofagenericCPG.Forexample,theadaptivemodelcanbeusedtoensurecoordinationoflimbswiththeenvironment.Theuseofsimplified,innatemodelsisthemostconservativestancepossible.Theintentistomakethefewestassumptionspossibleaboutthe‘knowledge'thatthenervoussystemhasaboutthebodythatitistryingtocontrol.Bydemonstratinghowthisprocessmaybeusedinaphysicaldevice—arobot—wegivecompellingevidencethatthisapproachissufficient.ThisarticlereportsonaninvestigationintohowagroupofforwardmodelscouldbeusedtoadaptivelytuneaCPGinarealrobot.Asthesemodelsareinnate,weassumetheyaresimple;itwouldnotbesatisfyingifthesemodelswereascomplexasthebehaviorsthattheyhelpgenerate.Secondly,thesemodelsshouldnotbedetailed,accuratemodelsoftheforwarddynamicsoftherobot.Ifinnatemodelsareused,theirsimplicityprohibitsthemfromdetailingaccurateinformationaboutthestructureofthepatterngenerator.ThestudyheresupposesthatoncetheCPGshavebeentunedtoproducebasiclocomotion,other,moregenerallearningmechanismswouldtakeovertocreateamorerefinedgait.Theselearningmechanismsmightincludereinforcementlearningorsupervisedlearningmethods.ExperimentsTheresultsofthreeexperimentsusingGEO-IIaredescribedinthissection.Theseexperimentsrequireprogressivelymoreadaptationtotheenvironmentandculminateinadaptivewalkingbehavior.TherobotlearnstoadjustkeyparametersoftheCPGnetworktoallowtherobottowalkwithinminutes.2.1ExperimentalSetupTherobotplatformisafour-leggedrobot,“GEO-II”(Fig.1).Sensorsincludeaforcesensoroneachfoot,andagyroscopewhichsensesbodyroll.Theuniquefeaturesofthisrobotincludeaflexible,three-degreesoffreedomspine.Thisallowsspinalmovementincludingtwist.Modelairplaneservoactuatorsdriveallaxes.Theseservosarepositionalcontroldevices.GeoIIweighs1.25Kg.Figure1.TheGEO-IIrobot.GEO-IIfeaturesaflexiblespineComputationisdividedbetweenanonboardprocessor,a68HC11basedServoX24boardbyDigitalDesignsandSystems,Inc.,andadualIntelPentiumworkstation.TheServoX24boardisresponsibleforgeneratingcommandsignalsfortheservosaswellasA/Dsamplingofsensorsignals.TheworkstationisresponsibleforcomputingtheARRs,theAMs,andreflexesmodules.Theworkstationalsohostsagraphicaluserinterface.AllcoderunsunderWindows2000(C++Microsoft)inamulti-threaded,windowedenvironment.

2.2AdaptiveModulesTwistAdaptationResults.TheTwistARRandTwistAMworktogethertogenerateabalanced,twistingofthebody.WhentheTwistARRisactivatedinitially,theoutputgainofthismoduleisnearzero.Thus,nobodytwistingandnocyclicsensoryfeedbackissensed.TheTwistAMgraduallyincreasesthegainaswellasboththepositiveandnegativetwistuCPGs.(seeFig.3B).Throughtime,astherobotshiftsitsweight,thepawforcesvaryperiodically(seeFig.3A).Ascanbeseen,thefrontlegsoftherobotmoveoutofphase.Themagnitudeofthetwistamplitudeisdecreasedduetogyroscopefeedback.6 l CO S 卜 68 (p C O 卜 寸6 l CO S 卜 68 (p C O 卜 寸cm co tn «OTime(Sec)TwistAdaptationLLLLLLLLLLLLLLLgzcovQgzcoqqgzooqlloicc寸寸sggzh-coTime(Sec)A_TwistM ATwistPTwistAdaptation200 150 - ~亠亠10050-Figure3.Twistadaptationresponse.(A)Footpressureoffrontlegs.(B)ChangeinamplitudeAiofthetwistuCPGs.Intheend,thefrontlegsperiodicallyliftedsymmetricallyofftheground.BurstLengthAdaptationResultsInthissetup,GEO-IIissuspendedinatestapparatus.Thisisdonetofacilitatedatacollectiononly.Ifatrunktwistisinduced,thehipassemblywillrockbackandforthandwillcausethelegstocontactthegroundperiodically.Theexperimentalprocedureisasfollows:Thehipisplacedinoscillation,theburstlengthisresettozeroandadaptationisthenturnedon.Notethatadaptationisindependentlycontrolledforeachleg.Theburstlengthiszero.Astimeprogresses,theburstlengthlengthensandthenstabilizes.Ascanbeseen,theburstlengthadjustsuntilitstabilizessothattheburstterminatesjustasthelegtouchestheground.Ifthelegweretoterminateitsflexiontooearly,thislegwouldbelockedforward.Thismaycausetherobottostumbleasitswingsitsfootforward.Ifitdidnotextendsoonenough,thelimbwouldbeflexedwhenthelegstrucktheground,andtherobotmayloseitsbalance.DiscussionTwokeyprinciplesarecombinedinthiswork:(1)Innateforwardmodels,(2)DistributedControl.Usingtheseprinciples,thefollowingthreeproblemsareaddressed:(1)StaticPosturalControl,(2)LearningproperparametersettingsfortheoutputofauCPGmodel(anARR),and(3)Learningcoordinationwiththeenvironment.Posturalcontrolisofprimaryimportance.Theposturalcontrolmechanisminthisworkreliesonforcesensorsonthefootasthesoleinputtothecontrolsystem.Theideabehindthecontrolschemeistomaintainthreedegreesofsymmetry—fronttoback,side-to-sideanddiagonalsymmetry.Thus,sensorysignalsbecomereferencesforothersignalsrelatedbyadegreeofsymmetry;sensesarecomparedtoeachother.Furthermore,eachdegreeofsymmetryisrelatedtoaparticular‘musclegroup'intherobot.Fronttobacksymmetrygeneratescommandsforthehiprotationaxes.Side-to-sidesymmetrydriveshipadductors.Finally,diagonalsymmetrydrivestwistaboutthebodyaxis.Itisfortunatethatthesedegreesofsymmetrymapsoeasilyontotheproximalactuators.Inothermechanicalwalkingmachines,thetwistaxisisfixed.Thusasymmetriesmustbecompensatedforbylegflexion.Byaddingthetwist,thetorsoandassociatedproximalactuatorscancompensateforimbalances(asdefinedhere).Itisalsonotedthatcompensationcouldbeachievedonaslope.Also,posturaladjustmentcanbemadetocompensateforweightsplacedontherobot.Suchweightmaymimicapayloaddroppedontotherobot'sback.Itmayalsomimicconstantperturbationssuchasdanglingwiresandcables.Thus,thesystem,byusingtheprincipleofsymmetry,cansimplydrivemusclesinaone-to-onefashionwithouttheneedforanydetailedkinematicmodeloftherobot.Yetthisschemeachievesposturalcontrolinthefaceofsignificantoutsidedisturbances.Theissueofcontrolfromhigherlevelcentersisnotdiscussedhere.Thegeneralstrategyistoallowdirectparametermodificationfromhighercenters.Theinterestedreaderisdirectedto(LewisandSim'o,1999,2001)foranexampleofusinghighlevelvisiontoadaptivelycontrolARR.Inthatwork,anexampleisgivenofBurstLengthModulationbyahighercenter(communicatingwithvisualcenters).AdaptivemodulesareusedtotunetheoutputofaCPG.Heretheideaistouseamodelofsensoryexpectation.Themodelsarerudimentaryandaresufficienttoallowthesystemtobootstrap.Itisnotnecessarytohaveanydetailedmodelofthedynamicsofthesystem.Adaptivemoduleswerealsousedtogenerateexpectanciesforwhenafootstrikeshouldoccur.Thisallowstheadjustmentoftheflexorburstlength.Thisadaptivemechanismwascruciallyimportantinassistingtherobotingeneratingpreciselythecorrectbursttiming,preventingstumblingandfootdragging.Againthemodelusedwasrudimentaryanddidnotdependonanydetaileddynamicsoftherobot.Thisideaofarudimentarymodeliscruciallyimportanttounderstandingthevalueofthiswork.Theideaofadetaileddynamicmodelisrejected.Thepowerinthisideaisthattheadaptivesystemshould,inprinciple,workoveraverybroadrangeofroboticdeviceswithsimilarform.Wemadeonlythemostgeneralassumptionsaboutthestructurebeingcontrolledhere.Thisalsomeansthatitisnotnecessarytoidentifyamodel(i.e.,toinstantiatebymakingdetailedperturbationsandobservations)beforelearningcanbegin.Thatiswhylearningwasachievedsorapidlyinthecasespresented.Theresultsofthepresentworkillustratesthepowerofsimpleinnatemodelsinbootstrappingthesystem.Inearlierwork,itwasassumedthatadaptationshouldbemadetooccurinstages(Lewisetal.,1992).However,remarkably,alladaptivemodulescouldbeswitchedonsimultaneously,anddevelopmentalstagesseemedtoemergespontaneously.Thiswassurprising.Theauthorsuggeststhatoncethesystemhasovercomethebasicproblemofdevelopingarudimentarygait,usingthetechniquesdefinedhere,moregeneralpurposelearningwouldcontinuetorefinethewalkingovertime.Invertebrates,thismaybeoneoftherolesofthecerebellum.SummaryandConclusionsCPGshavebeenwellstudiedbyanumberofresearcherswithpossibleapplicationstothecontrolofwalkingmachines.WhileasimpleCPGcircuit,consistingofahandfulofoscillators,canbeconstructed,itisnotclearhowtheseCPGscanbemadetoadapttoaparticularmachine.Theapproachpresentedherehasthefollowingelements:(i)ACPGmodelischosenwheretheparameterscontrollingthebehaviorofthemodelarerepresentedexplicitly.ThismodeliscalledanAdaptiveRingRule(ARR).(ii)Includedhereistheideaofaninnateinternalmodel.Thatis,amodelthatpredicts,eveninacrudeway,thesensoryconsequencesofintendedaction.ThesemodelsareusedbyAdaptiveModules(AMs)toaltertheparametersoftheARRsothatthesensoryfeedbackmorecloselyresemblestheoutputofassociatedinnateinternalmodels.BychoosingthecorrectAMs,wedemonstratethatcriticalelementsofgait,suchasflexorburstlengthadaptation,hip-kneephase,andthetwistingofthebody,canquicklybeacquired.TheseAMsandARRs,inconjunctionwithtwobasicreflexes(posturalcontrolandfootextensionreflex)allowtherobottoquicklyacquireabasictrotgaitwithinminutesofinception.Thisquicklearningiscompatiblewiththelearningexhibitedbyanimalssuchashorsesimmediatelyafterbirth.Further,suchadaptivemechanismscanbebuiltintocustomelectroniccircuits,whichareunderdevelopment(Lewisetal.,2000,2001).足机器人的步态适应1.导言短的时间在出生后1foal可以步行，然后运行。值得注意的是，该动物学会Tocoordinate许多肌肉腿部和躯干在这么短的时间内。这是不太可能的任何学习算法可程式中枢神经系统的从头算与这么少的培训时代。也不是，它可能是foal的运动控制器是完全取决于出生前。怎么会是这样一个bili性加以解释？怎么会是这样的能力，被纳入控制系统的一步行机？研究人员在生物，已明确的证据显示一个功能单位的中央神经系统，中枢模式发生器（CPG）的，可以导致节奏的运动躯干和四肢肌肉（grillner和wall'en， 1985年）。在成年动物，输出，这些细胞可以产生肌肉活动，这是非常类似的活动在正常散步，甚至当感官的反馈意见已被消灭，（grillner和桑戈，1975年）。中央人民政府开始交流tivity在出生之前，虽然其活动没有出现模仿的细节特别步行动物，这是很明显的相关性与动物的阶级，即两栖类，爬虫类，哺乳类等（贝克夫，1985年；科恩，1988年）。很明显，基本结构，中央人民政府网络是所订下的演变。这是怎样的基本结构，适应生产需要详细的协调控制散步-荷兰动物？这个问题的答案是很重要的机器人由于下列原因。cpgs已很好的研究作为一项基本协调机制（科恩等人,1982年;湾及hemami,1987年;松冈，1987年；兰德等人，1988年;多贺等人，1991年;柯林斯及史钊域，1993年;默里，1993年;泽林斯卡，1996年;亚利奇等人，1997年;伊藤等人，1998年;木村等人，1999年）。不过，详情如何，这系统可自动适应控制一个真正的机器人并不清楚。一个很好的目标将是在描述一个总体战略匹配的一个通用的中央人民政府某一机器人在实时的时间，最小金额的互动与环境。强化学习，已用于对长远的时间尺度的一些问题在散步（学习的协调和基本腿运动）（ilg和berns， 1995年），但时间尺度的这种做法是太长解释快速学习的动物，只是后出生。作者认为，部分答案可能在使用一些简单的先天内部模型的业绩考核评价迅速发展的中枢神经系统。这些先天的内部模型可以用来自适应调cpgs期间，分阶段的快速发展。图3说明了训练的概念。1，中央人民政府生成一个信号，目的地为一组驱动器（肌肉），以及作为第二信号，这是一个复制的信号发送到驱动器的目的地是一个天生的前进模式。在生物学，副本汽车信号，是所谓的一efference复制（斯佩里，1950年）。前瞻性的模型所描述的kawato（kawato和wolpert，1998年）是一个功能模型的前沿动态的system.we使用非常简单，前进先天的模式。这些前瞻性模型预测感官的期望，或所期望的后果，中央人民政府的活动。这方面的资料比较，自适应规则，然后修改了中央人民政府。作者表明，极少数的自适应机制，可用于快速调整的一个通用的中央人民政府。举例来说，自适应模型可以用来确保协调四肢与环境。使用简化，固有的模式是最保守的立场可能。其意图是使最少的假设可能对'知识'神经系统大约有身体，这是试图控制。通过展示如何这个过程中可用于在一个物理设备-机器人-我们给予令人信服的证据表明，这种做法是不够的。此文章的报告进行调查，如何一组提出的模式可以用来自适应调重弹一，中央人民政府在一个真正的机器人。由于这些模型是天生的，我们假定他们是简单的;它不会满足，如果这些模型一样复杂的行为，帮助他们产生。其次，这些模型不应该详细，准确的模式前进动力的机器人。如果固有的模式，使用简单，禁止他们详细准确的资料，有关的结构模式发生器。研究在这里支撑，一旦cpgs已调整，以生产的基本运动，另一方面，更普遍的学习机制，将接管，以创造一个更精致的步态。这些学习的机制可能包括强化学习或监督的学习方法。2.实验结果三个实验使用的地缘二是本节所描述的。这些实验的需要，逐步更适应环境，并最终在自适应散步的行为。机器人学会调整的关键参数，中央人民政府网络，让机器人步行数分钟之内完成。2.1实验装置该机器人平台是一种四足机器人，“地理II”（图1）。传感器包括一个力传感器在每个脚，和一个陀螺的范围，其中感官机构名册。独特的特点，这个机器人包括一个灵活，三自由度的脊椎。这使脊柱运动，包括扭曲。模型飞机伺服致动器驱动器，所有的石斧。这些都是位置伺服控制装置。土力工程处二重1.25千克。计算分之间的板载处理器，68hc11基于servox24局的数字设计和系统公司，和一个双IntelPentium工作站。该servox24局是负责生成指挥信号为伺服以及A/D采样的传感器信号。工作站负责计算arrs，医疗辅助队，并反射模块。工作站还举办了图形用户界面。所有代码运行在Windows2000下（C++中的Microsoft）在一个多线程，窗口环境。自适应模块2.2.1扭适应的结果捻捻和终点时，携手合作，以产生一个均衡的，扭曲的尸体。当扭终点是启动初期，输出增益模块，这是接近零。因此，没有扭体和没有感觉的反馈循环是感受到了。捻时逐渐增加的增益，以及正面和反面，都要扭ucpgs。（见图3B条）。通过的时间，作为机器人轮班其重量，足势力有所不同，定期（见图3A）款。可以看出，前面腿机器人迁出阶段。规模捻度振幅降低是由于陀螺仪的反馈意见。在最后，前面的腿定期解除对称离地面。突发长度适应的结果在此安装，地缘二是悬浮在一种测试仪器。这样做是为了方便数据收集只。如果主干扭曲，是诱导，髋关节，大会将岩石回奔波，并会造成腿部接触地面定期。实验程序如下：髋关节，是摆在振荡，突发长度是重置为零和适应，然后打开。请注意，适应是独立控制每个站。最初，突发长度是零。随着时间的进展，突发长度延长，然后稳定下来。可以看出，爆裂的长度调整，直至稳定，使该水管爆裂，终止正如腿触及地面。如果腿部被终止其屈曲言之尚早，这腿将被锁定前进。这可能会导致机器人蹒跚，因为它波动，其脚前进。如果不延长，尽快还不够，肢体会弯曲时，腿击中地面，机器人可能会失去平衡。3.讨论两个关键的原则相结合，在这方面的工作：（1）先天提出的模式，（2）分布式控制。使用这些原则，以下三个问题得到处理：（1）静态姿势控制，（2）学习正确的参数设置为输出一个ucpg模型（1终点），及（3）协调与学习环境。姿势控制是首要的重要性。该姿势控制机制，在这方面的工作依赖于力传感器对足部作为唯一的输入到控制系统。背后的想法控制计划，是要维持3程度的对称前线回来，侧侧和对角线的对称性。因此，感官信号成为参考其他信号有关的某种程度的对称性;感官比较，取长补短。此外，每个程度的对称性是一个主题相关的，特别是'肌肉组'在机器人。前线回到对称性生成命令髋关节旋转轴。侧侧对称驱动器髋关节adductors。最后，对角对称的驱动器捻有关机构轴。这是幸运的是，这些程度的对称性地图这么容易走上近端动。在其他机械步行机，扭轴是固定的。因此，不对称性，必须予以赔偿腿部弯曲。加入捻度，躯干及相关近端动可以弥补的不平衡（这里定义的）。它也指出，补偿就可以实现一个斜坡。此外，姿势的调整，可以作出赔偿的权重放置于机器人。这样的重量可能会模仿有效载荷下降到机器人的回。它也可能模仿不断的扰动，如悬挂电线电缆。因此，该系统，使用的原则，对称性，可以简单的肌肉驱动器在一个以一对一的方式，而不需要任何详细的运动学模型机器人。然而，这项计划取得姿势控制，在面对重大以外的骚乱事件。控制问题，从更高层次中心是不是在这里讨论。一般的策略是让直接参数修正，从更高的中心。有兴趣的读者是针对（Lewis和sim'o，1999年，2001年）的一个例子，使用高层次的眼光来自适应控制终点。在这方面的工作，给出了一个应用实例的突发长度调制由上级中心（沟通与视觉中心）。自适应模块可用来调整输出一个中央人民政府。这里的构想是使用一个模型的感官的期望。该模型是最起码的，并足以使该系统的Bootstrap。这是没有必要有任何详细模型的动态系统。自适应模块也被用来产生预期时，足部的罢工应该发生。这使得调整的屈突发长度。这种自适应的机制是非常重要，在协助机器人在发电，正是正确的水管爆裂的时机，防止绊脚拖。再次使用的模型是最起码的，并没有依赖于任何详细的动态机器人。这一想法的一个最起码的模型是非常重要的认识价值，这方面的工作。构思一份详细的动态模型将被拒绝。权力在这方面的想法是，自适应系统应在原则上，工作范围十分广泛的机器人设备与类似的形式。我们所作的只是最普通的假设结构被控制在这里。这也意味着，这是没有必要找出一个模式（即以实例作出详细的扰动和意见），然后就可以开始学习。这就是为什么学习取得了如此迅速地在这些案件中。结果，目前的工作说明的权力，简单的固有模式，在启动该系统。在以前的工作，这是假设的适应，应作出发生在阶段（刘易斯等人，1992年）。不过，值得注意的是，所有的自适应模块，可同时接通，和发育阶段，似乎出现自发性。这是不足为奇的。4.概述和结论CPGS已很好的研究由一个研究人员的人数与可能的应用，以控制行走的机器。而一个简单的中央人民政府电路，构成少数振荡器，可以兴建，目前尚不清楚如何将这些CPGS可作，以适应特定的机器。的做法，这里有以下内容：（一）acpgmodel是选择何处参数控制的行为模式的代表明确。这个模型是所谓的一环自适应规则（终点）。（二）包括在这里的想法是一个天生的内部模型。这是，一个模型，预测，即使在原油的方式，感官的后果，打算采取行动。这些模型所使用的自适应模块（医疗辅助队），以改变参数的终点，使感官反馈更加紧密地类似于输出相关的先天内部模式。通过选择正确的医疗辅助队，我们证明的关键要素的步态，如屈突发长度适应，髋关节膝关节的阶段，扭曲身体，可以很快被收购。这些AMS和arrs，联同两个基本反射（姿势控制和足部反射延长）allowthe机器人迅速获得一个基本的逐渐达到自己的战略步态几分钟内成立。此快速的学习是与学习，展示由动物如马出生后立即。此外，这种自适应机制可以建成自定义电子电路，这是根据发展（刘易斯等人，2000年，2001年）。徐国华，谭民.移动机器人的发展现状及其趋势.机器人技术与应用.2001.3AshrafElnagar.PredicionofMovingObjectsinDynamicEnvironmentsUsingKalmanFilters.Proceedingsof2001IEEEInternationalSymposiumonComputationalIntelligenceinRoboticsandAutomation.July29-August1,2001卢桂章.“863”计划智能机器人研究进展.机器人技术与应用.1995,2(1):7-8蔡自兴.智能机器人研究的进展.智能机器人.1993:1-6Song.S.M.KinematicOptimalDesignofaSix-LeggedWalkingMachine.ph.Ddissertation,ohiostateUniversity,Columbus,OH,1984R.TomovicandR.B.Meghee,AfinitestateApprochtotheSynthesisofBionengineeringControlSystemIEEETrans.OnHumanFactorsinElectron